前言本文简单将各种开源视觉SLAM方案分为以下 7 类（固然有不少文章无法恰当分类）：·Geometric SLAM·Semantic / Learning SLAM·Multi-Landmarks / Object SLAM·VIO / VISLAM·Dynamic SLAM·Mapping·Optimization一、Geometric SLAM（20项）这一类是传统的基于特征点、直接法或半直

本文汇总了全球范围内在SLAM（同时定位与建图）领域具有影响力的研究团队及其代表性成果。涵盖美国、欧洲、亚洲等地的高校和实验室，包括卡耐基梅隆大学机器人研究所、麻省理工学院SPARK实验室、苏黎世联邦理工大学计算机视觉与几何实验室等。重点介绍了各团队的研究方向（如视觉/激光SLAM、语义导航、多机器人协作等）、开源项目（如VINS-Mono、ORB-SLAM2、Kimera等）以及经典论文（如iS

LeGO-LOAM全称为：Lightweight and Groud-Optimized Lidar Odometry and Mapping on Variable Terrain，从标题可以看出 LeGO-LOAM 为应对可变地面进行了地面优化，同时保证了轻量级。LeGO-LOAM是专门为地面车辆设计的SLAM算法，要求在安装的时候Lidar能以水平方式安装在车辆上；如果是倾斜安装的话，也要进

evo是一款用于评估SLAM和视觉里程计轨迹的工具，支持多种数据集格式（TUM、KITTI、EuRoCMAV等）及格式转换。可通过pip安装或源码编译，提供轨迹分析（evo_traj）、结果比较（evo_res）、图表管理（evo_fig）等功能。使用时若报错可升级numpy解决，具体参数可通过--help查看参考。该工具能可视化相机轨迹并计算与真值的误差，适用于SLAM算法性能评估。参考博客园和

本文汇总了GitHub上优秀的SLAM开源资源，包括： 资源集合：Awesome-SLAM等资源列表 算法实现：ORB-SLAM2、PL-SLAM等PC端方案，VINS-Mobile等移动端方案 LIO系统：FAST-LIO、VoxelMap等10余种激光惯性里程计方案 关键技术：回环检测、点云配准、传感器标定等专项方案 工程工具：数据可视化、优化算法等实用工具 数据集与教程：V2V4Real等数

ROS可以说是⽬前机器⼈相关开源社区最流⾏的项⽬之⼀，它是⼀个易⽤且完备的机器⼈开发框架、⽣态乃⾄社区，海量的机器⼈开源项⽬（涵盖感知、规划、控制、定位、SLAM和建图、可视化等⼏乎所有机器⼈领域）均使⽤ROS作为基础。以⾃动驾驶汽⻋为代表的新的机器⼈应⽤场景对于中间层和开发框架在实时性、可靠性、伸缩性、跨平台可移植等⽅⾯提出了⼤量新的需求，ROS 显然不能满⾜这些需求，ROS2因此产⽣，在经历了

本文整理了ICRA2021会议中200多篇SLAM相关论文，涵盖语义定位建图、视觉SLAM、激光SLAM、多传感器融合等多个方向。论文分类包括语义SLAM（如Kimera-Multi分布式多机器人系统）、视觉SLAM（如OV2SLAM实时应用）、激光SLAM（如MULLS多度量最小二乘方法）、深度估计、场景识别、传感器标定等关键技术，并提供开源代码和数据集链接（如RADIATE雷达数据集）。重点论

本文整理了40个SLAM相关开源项目与资源，涵盖2D/3D激光雷达、视觉惯性、深度学习融合等多个方向。主要包括：Cartographer、OpenVSLAM等经典SLAM框架；LOAM系列激光SLAM算法；ORB-SLAM2及其衍生项目；Kimera-VIO等视觉惯性里程计；DynaSLAM等动态场景处理方案；以及数据集、标定工具和教程资源。这些项目来自MIT、ETHZ等知名机构，支持ROS集成，

典型基于优化的SLAM问题来说：Pose-SLAM的目标是在给定闭环和里程约束条件下估计机器人的轨迹(相对姿态)。这些相对姿态测量通常通过IMU、lidar、camera或GNSS获得，使用ego-motion、scan-registration、ICP等构建损失函数。利用最流行的优化框架g2o、Ceres、GTSAM、SE- Sync等进行求解。但是目前没有论文在同一条件下对这些框架算法进行评估

文章汇总2021年前后15项开源SLAM研究，覆盖单目稠密重建、激光雷达定位、激光惯性里程计、GNSS视觉惯导融合、语义及结构化建图、大规模BA等方向。代表项目包括TANDEM、MonoRec、FAST-LIO2、R3LIVE、GVINS和LVI-SAM，并列出团队、方法、论文与源码。整体反映SLAM正由单一视觉或激光方案转向多传感器紧耦合、动态环境适应、实时稠密建图和GPU加速，应用面向自动驾驶